你的賽車以近200英里的時速在賽道上狂奔之際，一切都脫了序，連一片黏在水箱罩上的糖果紙，都會對車手和車輛造成莫大危害。
每支 NASCAR 車隊都想掌握車輛的大小細節，只是行進間的高速讓他們無法明顯得知，所以車隊才會請攝影師在每場比賽裡拍攝數千張照片，協助他們一一指清問題。
賽道上同時有40輛車，在幾千張照片裡快速認出你關心的那輛車，就會對這到底是黑白方格旗，還是災難性大火莫衷一是。
神經網路在NASCAR 幫忙救火
Argo AI／Ford Motor Company 的工程師 Bryan Goodman 上週出席 GPU 科技大會，介紹他的團隊如何將原本為了開發自動駕駛車而發展出的深度學習技術，用在找出特定賽車的影像上。
Ford 以人工方式在影像加上標籤，並且以人工方式訓練深度學習神經網路。完成訓練後，在正確辨識車輛方面表現優於人類，尤其是車上的號碼或是影像模糊不清時。
「我們還是會交由人類對資料加上註釋，以進行訓練和測試，不過現在神經網路的表現比人類還好，就算那些人有受過高度訓練也是如此。」Goodman 說。
找出正確的賽車，並不如你想像的那麼簡單。NASCAR 的賽車經常會重新上漆，Goodman 說隨著贊助商和車上的設計元素改變，有時候每週都會重新烤漆。不過有兩件事始終不變：車號跟製造商。
Goodman 的團隊猜測這些是神經網路優先處理的項目，才會有這麼好的表現。團隊在神經網路上使用活性過濾器，以判斷神經網路會特別重視哪些元素。一如他們心裡所想的，果然優先處理車號跟製造商。
「有時候我聽人們描述機器學習，尤其是深度神經網路的運作方式，跟一具黑盒子一樣。其實並非如此，我們可以從中取得大量資訊。」Goodman 說。（請見 NVIDIA 對我們自己的自動駕駛神經網路有哪些展望。）
前方的路
二月時 Argo AI 與 Ford 宣布將助自動駕駛車商業化一臂之力。位於匹茲堡的 Argo AI 團隊現正與 Ford 的自動駕駛車團隊一同努力開發。
就在 Ford 宣布那項合作案前，Ford 研究與先進工程部門副總裁 Ken Washington 在一篇文章裡提到 Ford 對於自動駕駛的技術，有著哪些打算。
「Ford 計畫發展自動駕駛車，不只是節省花在開車上的時間，創造更美好的生活才是終極目標。」Washington 這麼寫道。
我們同意他寫的，也期望與各夥伴一同合作，讓人們的生活裡真正享受到這項未來技術。
如需更多關於 NVIDIA 完整汽車解決方案的內容，包括 DRIVE PX 2 人工智慧車用超級電腦和 NVIDIA DriveWorks 開發者開放平台，請至 NVIDIA.com/drive。
AI Podcast：深度學習會將駕駛這件事帶往什麼方向
想要瞭解深度學習會將駕駛這件事帶往什麼方向嗎? 在 AI Podcast 第四集裡，NVIDIA 的 Danny Shapiro 與主持人 Michael Copeland 便暢談了相關問題。
精選照片提供：Royalbroil, licensed via Wikimedia Commons.